---
title: "COVID-19"
output: 
  flexdashboard::flex_dashboard:
    theme: cosmo
    orientation: rows
    social: menu
    source_code: embed
    vertical_layout: fill
    logo: logo-mcd-circ-60.png
    favicon: favicon-mcd.png

---

```{r setup, include=FALSE}
#------------------ Packages ------------------
library(flexdashboard)

# Aqui cargamos los datos de coronavirus de JHU


`%>%` <- magrittr::`%>%`  #  Creo no es necesario, ya funciona asi por default (probar)

#------------------ Colores ------------------
# Set colors
# https://www.w3.org/TR/css-color-3/#svg-color
confirmados_color <- "purple"
activos_color <- "#1f77b4"
recuperados_color <- "forestgreen"
decesos_color <- "red"

#------------------ Datos del día------------------

direccion <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_daily_reports/"
archivo <- format(Sys.Date() - 1, "%m-%d-%Y.csv")
df <- read.csv(paste(direccion, archivo, sep='')) 

df_concentrado <- df %>% 
  dplyr::group_by(Country_Region) %>%     # Regrupa por pais, aunque lo podría hacer por región
  dplyr::summarise(
    Confirmados = sum(Confirmed),
    Recuperados = sum(Recovered),
    Decesos = sum(Deaths)) %>%
  dplyr::mutate(
    Activos = Confirmados - ifelse(is.na(Recuperados), 0, Recuperados) - ifelse(is.na(Decesos), 0, Decesos)
    ) %>%
  dplyr::filter( 
    Country_Region == 'Mexico' | 
    Country_Region ==  'US' | 
    Country_Region ==  'Italy' | 
    Country_Region ==  'Spain' | 
    Country_Region ==  'Argentina' | 
    Country_Region == 'Brazil'
    ) %>%
  dplyr::mutate(Pais = factor(Country_Region, levels = Country_Region)) %>%
  dplyr::arrange(- Confirmados) %>%
  dplyr::mutate(TasaRecuperacion = Recuperados / Confirmados,
         TasaDeceso = Decesos / Confirmados)

  

#----------------Series de tiempo ----------------------

direccion_ts <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_"

dir_confirmados <- paste(direccion_ts, "confirmed_global.csv", sep="")
dir_decesos <- paste(direccion_ts, "deaths_global.csv", sep="")
dir_recuperados <- paste(direccion_ts, "recovered_global.csv", sep="")

lee_serie <-function (dir, nombre){
  df <- read.csv(dir, check.names=FALSE, stringsAsFactors=FALSE) %>%
      dplyr::select(-Lat, -Long) %>% 
      tidyr::pivot_longer(-(1:2), names_to="fecha", values_to=nombre) %>% 
      dplyr::mutate(
        fecha = as.Date(fecha, format="%m/%d/%y"),
        `Pais` = `Country/Region`,
        `Estado` = `Province/State`) %>%
      dplyr::filter( fecha > "2020-02-27")
}
df_serie <- lee_serie(dir_confirmados, 'Confirmados') %>%
  dplyr::inner_join(lee_serie(dir_recuperados, 'Recuperados')) %>%
  dplyr::inner_join(lee_serie(dir_decesos, 'Decesos'))

df_concentrado_serie <- df_serie %>%
  dplyr::group_by(fecha, Pais) %>%
  dplyr::summarise(
    Confirmados = sum(Confirmados),
    Recuperados = sum(Recuperados),
    Decesos = sum(Decesos)
    ) %>%
  dplyr::mutate(
    Activos = Confirmados - ifelse(is.na(Recuperados), 0, Recuperados) - ifelse(is.na(Decesos), 0, Decesos)
    ) %>%
  dplyr::filter( 
    Pais == 'Mexico' | 
    Pais ==  'US' | 
    Pais ==  'Italy' | 
    Pais ==  'Spain' | 
    Pais ==  'Argentina' | 
    Pais == 'Brazil'
    ) %>%
  dplyr::mutate(Pais = factor(Pais, levels = Pais))

max_date <- max(df_serie$fecha)
df_trends <- df_serie %>% 
  dplyr::group_by(Pais, fecha) %>%
  dplyr::summarise(
    Confirmados = sum(Confirmados),
    Recuperados = sum(Recuperados),
    Decesos = sum(Decesos)
    ) %>%
  dplyr::arrange(-Confirmados) %>%
  dplyr::filter( 
    Pais == 'Mexico' | 
    Pais ==  'US' | 
    Pais ==  'Italy' | 
    Pais ==  'Spain' | 
    Pais ==  'Argentina' | 
    Pais == 'Brazil'
    ) %>%
  dplyr::arrange(fecha) %>%
  dplyr::mutate(
    T_Confirmados = c(0, diff(Confirmados)),
    T_Recuperados = c(0, diff(Recuperados)),
    T_Decesos = c(0, diff(Decesos)),
    )

```

Resumen general
=======================================================================
Row
-----------------------------------------------------------------------

### Confirmados {.value-box}

```{r}

valueBox(value = paste(format(df_concentrado$Confirmados[df_concentrado$Pais == 'Mexico'], 
                              big.mark = ","), "", sep = " "), 
         caption = "Confirmados en México", 
         icon = "fas fa-user-md", 
         color = confirmados_color)
```


### Activos {.value-box}

```{r}
valueBox(value = paste(format(df_concentrado$Activos[df_concentrado$Pais == 'Mexico'], 
                              big.mark = ","), "", sep = " "), 
         caption = "Activos en México", 
         icon = "fas fa-ambulance", 
         color = activos_color)
```

### Recuperados {.value-box}

```{r}
valueBox(value = paste(format(df_concentrado$Recuperados[df_concentrado$Pais == 'Mexico'], 
                              big.mark = ","), "", sep = ""), 
         caption = "Recuperados en México", icon = "fas fa-heartbeat", 
         color = recuperados_color)
```

### Decesos {.value-box}

```{r}

valueBox(value = paste(format(df_concentrado$Decesos[df_concentrado$Pais == 'Mexico'], 
                              big.mark = ","), "", sep = " "),
         caption = "Decesos en México", 
         icon = "fas fa-heart-broken", 
         color = decesos_color)
```


Row
-----------------------------------------------------------------------

### **Distribución por tipo (Paises seleccionados)**

```{r daily_summary}


plotly::plot_ly(data = df_concentrado, 
                x = ~ Pais, 
                y = ~ Activos, 
                type = "bar", 
                name = "Activos",
                marker = list(color = activos_color)) %>%
  plotly::add_trace(y = ~ Recuperados, 
                    name = "Recuperados",
                    marker = list(color = recuperados_color)) %>%
  plotly::add_trace(y = ~ Decesos, 
                    name = "Decesos",
                    marker = list(color = decesos_color)) %>%
  plotly::layout(barmode = 'stack',
                 yaxis = list(title = "Casos (escala logarítmica)",
                              type = "log"),
                 xaxis = list(title = ""),
                 hovermode = "compare",
                  margin =  list(
                   # l = 60,
                   # r = 40,
                   b = 10,
                   t = 10,
                   pad = 2
                 ))

```

Row {data-width=400}
-----------------------------------------------------------------------


### **Casos acumulados por tipo en México**
    
```{r}

# plotly::plot_ly(df_daily, x = ~date, y = ~active_cum, name = 'Active', type = 'scatter', mode = 'none', stackgroup = 'one', fillcolor = "#1f77b4") %>%
# plotly::add_trace(y = ~recovered_cum, name = 'Recovered', fillcolor = "green") %>%
# plotly::add_trace(y = ~death_cum, name = "Death", fillcolor = "red") %>%
#   plotly::layout(title = "",
#          xaxis = list(title = "",
#                       showgrid = FALSE),
#          yaxis = list(title = "Cumulative Number of Cases",
#                       showgrid = FALSE),
#          legend = list(x = 0.1, y = 0.9),
#                  hovermode = "compare")
                 


plotly::plot_ly(data = dplyr::filter(df_concentrado_serie, Pais=="Mexico")) %>%
  plotly::add_trace(x = ~ fecha,
                    y = ~ Activos,
                    type = "scatter",
                    mode = "lines+markers",
                    name = "Activos",
                    line = list(color = activos_color),
                    marker = list(color = activos_color)) %>%
  plotly::add_trace(x = ~ fecha,
                    y = ~ Recuperados,
                    type = "scatter",
                    mode = "lines+markers",
                    name = "Recuperados",
                    line = list(color = recuperados_color),
                    marker = list(color = recuperados_color)) %>%
  plotly::add_trace(x = ~ fecha,
                    y = ~ Decesos,
                    type = "scatter",
                    mode = 'lines+markers',
                    name = "Decesos",
                    line = list(color = decesos_color),
                    marker = list(color = decesos_color)) %>%
  plotly::layout(title = "",
                 yaxis = list(title = "Numero de casos en México"),
                 xaxis = list(title = "Fecha"),
                 legend = list(x = 0.1, y = 0.9),
                 hovermode = "compare")
  

```


### **Tasas de recuperados y defunciones por país**
    
```{r}
df_concentrado %>%
  dplyr::select(Pais, Confirmados, Recuperados, Decesos, TasaRecuperacion, TasaDeceso) %>%
  DT::datatable(rownames = FALSE,
            colnames = c("País", "Confirmados", "Recuperados", "Decesos", "Tasa de Recuperados", "Tasa de Decesos"),
            options = list(pageLength = nrow(df_concentrado), dom = 'tip')) %>%
  DT::formatPercentage("TasaRecuperacion", 2) %>%
  DT::formatPercentage("TasaDeceso", 2) 
```


Mapa
=======================================================================

**Mapa**

```{r}
# map tab added by Art Steinmetz
library(leaflet)
library(leafpop)
library(purrr)

cv_data_for_plot <- df %>% 
  dplyr::filter(Confirmed > 0) %>% 
  dplyr::group_by(Country_Region, Province_State, Lat, Long_) %>% 
  dplyr::summarise(
    Confirmados = sum(Confirmed),
    Recuperados = sum(Recovered),
    Decesos = sum(Deaths)
    ) %>% 
  dplyr::mutate(log_cases = 2 * log(Confirmados)) %>%
  tidyr::pivot_longer(cols = c("Confirmados", "Decesos", "Recuperados"), 
                      names_to = "tipo" )

pal <- colorFactor(c("orange", "red","green"), domain = c("Confirmados","Decesos","Recuperados"))
cv_data_for_plot.split <- cv_data_for_plot %>% split(cv_data_for_plot$tipo)

map_object <- leaflet() %>% addProviderTiles(providers$Stamen.Toner)

names(cv_data_for_plot.split) %>%
  purrr::walk( 
    function(df) {
      map_object <<- map_object %>%
        addCircleMarkers(
          data=cv_data_for_plot.split[[df]],
          lng=~Long_, lat=~Lat,
#         label=~as.character(cases),
          color = ~pal(tipo),
          stroke = FALSE,
          fillOpacity = 0.8,
          radius = ~log_cases,
          popup =  leafpop::popupTable(
            cv_data_for_plot.split[[df]],
            feature.id = FALSE,
            row.numbers = FALSE,
            zcol=c("tipo", "value","Country_Region", "Province_State")
          ),
          group = df,
          labelOptions = labelOptions(
              noHide = F,
              direction = 'auto'
          ),

          # clusterOptions = markerClusterOptions(removeOutsideVisibleBounds = F),
        )
    }
  )
  
map_object %>%
  addLayersControl(
    overlayGroups = names(cv_data_for_plot),
    options = layersControlOptions(collapsed = FALSE) 
  )
```

Tendencia
=======================================================================


Column {data-width=400}
-------------------------------------
    
### **Casos nuevos para el (`r  max(df_serie$fecha)`)**
    
```{r}
df_trends %>%   dplyr::filter(fecha == max_date) %>%
  plotly::plot_ly(x = ~Pais,
                  y = ~T_Confirmados,
                  text = ~T_Confirmados,
                  textposition = 'auto',
                  type = "bar") %>%
  plotly::layout(yaxis = list(title = "Casos nuevos"),
                 xaxis = list(title = ""),
                 margin =  list(
                   l = 10,
                   r = 10,
                   b = 10,
                   t = 10,
                   pad = 2
                 ))

```


### **Comparación de tendencias**
    
```{r}

df_trends %>% 
  plotly::plot_ly(x = ~fecha, 
                  y = ~T_Confirmados,
                  type = "scatter", 
                  mode = "lines+marker",
                  color = ~Pais,
                  name = ~Pais) %>% 
  plotly::layout(yaxis = list(title = "Casos nuevos"),
                 xaxis = list(title = "Fecha"),
                 hovermode = "compare",
                  margin =  list(
                   # l = 60,
                   # r = 40,
                   b = 10,
                   t = 10,
                   pad = 2
                 ))
```
   
Column {data-width=600}
-------------------------------------
   
### **Relación entre tasas de Recuperación y Deceso**

```{r}

df_concentrado %>%
  plotly::plot_ly(y = ~ round(100 * TasaRecuperacion, 1),
                  x = ~ round(100 * TasaDeceso, 1),
                  size = ~  log(Confirmados),
                  sizes = c(5, 70),
                  type = 'scatter', mode = 'markers',
                  color = ~Pais,
                  marker = list(sizemode = 'diameter' , opacity = 0.5),
                  hoverinfo = 'text',
                  text = ~paste("
", Pais, 
                                "
 Confirmed Cases: ", Confirmados,
                                "
 Tasa Recuperación: ", paste(round(100 * TasaRecuperacion, 1), "%", sep = ""),
                                "
 Tasa Deceso: ",  paste(round(100 * TasaDeceso, 1), "%", sep = ""))
                 ) %>%
  plotly::layout(yaxis = list(title = "Tasa Recuperación", ticksuffix = "%"),
                xaxis = list(title = "Tasa Deceso", ticksuffix = "%", 
                             dtick = 1, 
                             tick0 = 0),
                hovermode = "compare")
  
```   
 
### **Casos nuevos por pais al `r  max(df_concentrado_serie$fecha)`**
    
```{r}
df_trends %>% 
  dplyr::filter(fecha == max(fecha)) %>%
  dplyr::select(Pais, T_Confirmados, T_Recuperados, T_Decesos) %>%  
  DT::datatable(
    rownames = FALSE,
    colnames = c("País", "Inc. Confirmados", "Inc. Recuperados", "Inc. Decesos"),
                options = list(pageLength = nrow(df_trends), dom = 'tip'))
```

Acerca de
=======================================================================

**Tablero básico sobre COVID-19 en México**

Este tablero es uno de los diferentes recursos que se están poniendo a disposición por parte de la [Universidad de Sonora](https://www.unison.mx), por parte del gupo de profesores del cuerpo académico en [Ciencia de Datos](mcd.unison.mx). El tablero se realizó en  el lenguje *R* usando el lenguaje de marcado *Rmarkdown* y la plantilla [*flexdashboard for R*](https://rmarkdown.rstudio.com/flexdashboard/index.html). Nos basamos en un ejemplo base desarrollado por [Rami Krispin](https://twitter.com/Rami_Krispin) y el cual se puede consultar [aquí](https://github.com/RamiKrispin/coronavirus_dashboard).

**Datos**

Los datos que se están utilizando para este table son los que ofrece el [Centro de recursos sobre Coronavirus](https://coronavirus.jhu.edu) de la *Johns Hopkins University & Medicine*.
Los datos se actualizan cada día a media noche) y se pueden obtener [aquí](https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data). En el código del programa se muestra como descargar y tratar los datos en línea, descargando los archivos actualizados al día anterior.


**Paquetes utilizados y documentación**

* Tablero: [flexdashboard](https://rmarkdown.rstudio.com/flexdashboard/). 
* Gráficas:  [plotly](https://plot.ly/r/).
* Mapa: [leaflet](https://rstudio.github.io/leaflet/)
* Manipulación de datos - [dplyr](https://dplyr.tidyverse.org/), y [tidyr](https://tidyr.tidyverse.org/)
* Tablas: [DT](https://rstudio.github.io/DT/).

**Reproducibilidad**

El tablero se genera diariamente como una página web estática, por lo que se puede subir en cualquier sitio. Si deseas utilizarla, puede realizar un *fork* al proyecto en github, descargarlo, modificarlo y publicar un tablero similar en las páginas web que desees.

Para mayores preguntas puede contactar a [O. Gutú](mailto:olivia.gutu@unison.mx), [J.P. Soto](mailto:juanpablo.soto@unison.mx) o a [J. Waissman](mailto:julio.waissman@unison.mx).